[論文レビュー] CLT for the proportion of infected incividuals for an epidemic model on a complete graph

Fábio P. Machado, H. Mashurian+1 more|arXiv (Cornell University)|Nov 16, 2010

Complex Network Analysis Techniques参考文献 8被引用数 4

ひとこと要約

本稿は、$ n $ 頂点を持つ完全グラフ上で定義された離散時間の感染症モデルにおける感染個体の割合について、中心極限定理（CLT）を確立する。モデルでは、活性状態の粒子（ウイルス）が単純な無作為ウォークを実行し、感受性個体を感染させ、すでに感染済みの個体と接触すると死滅する。主な結果は、適切にスケーリングされた感染個体数が $ n \to \infty $ の際に正規分布に分布収束することを示しており、感染確率パラメータを含む積分から明示的な漸近的分散が導出される。

ABSTRACT

We prove a Central Limit Theorem for the proportion of infected individuals for an epidemic model by dealing with a discrete time system of simple random walks on a complete graph with n vertices. Each random walk makes a role of a virus. Individuals are all connected as vertices in a complete graph. A virus duplicates each time it hits a susceptible individual, dying as soon as it hits an already infected individual. The process stops as soon as there is no more viruses. This model is closely related to some epidemiologial models like those for virus dissemination in a computer network.

研究の動機と目的

• 完全グラフ上での離散時間感染症過程における感染個体数の漸近的分布を分析すること。
• グラフサイズ $ n \to \infty $ の際に、感染頂点の割合について中心極限定理（CLT）を確立すること。
• 再接触時に吸収する依存的な無作為ウォークの系として、ウイルスの拡散をモデル化し、現実の感染症やマルウェアの伝播を反映すること。
• 適切なスケーリングのもとで、最終的な感染頂点数 $ V_\infty $ の極限的挙動を特定すること。

提案手法

• 感染症を、時刻 $ t $ における活性粒子数 $ A_t $、死滅粒子数 $ D_t $、非活性粒子数 $ I_t $ を追跡するマルコフ連鎖 $ (A_t, D_t, I_t) $ としてモデル化する。
• 時刻 $ t $ までに訪問済み（感染済みまたは死滅済み）の頂点数を $ V_t = A_t + D_t $ と定義し、$ V_\infty = \lim_{t\to\infty} V_t $ とする。
• $ s $ 個の頂点を訪問するまでの時間 $ T(s) $ を根拠とする再生構造を用い、レベル $ s $ での滞在時間を $ \bar{X}_s $ と定義する。
• 各滞在時間のずれを表す独立同分布の確率変数 $ Y_i^* $（$ Y_i^* = Y_i - \mathbb{E}[Y_i] $）を分析し、$ Y_i $ が幾何分布に従うものとする。
• ホーフディングの不等式とモーメントバウンドを用いて、和 $ \sum Y_i^* $ の乖離を制御し、正規性への収束を保証する。
• 極限分散 $ \sigma^2 $ を $ \sigma^2 = \left( \int_0^q \frac{x}{(1-x)^2} dx \right) / \mu_r^2 $ として導出する。ここで $ \mu_r = 2 - \frac{1}{1-q} $ である。

実験結果

リサーチクエスチョン

• RQ1 $ n \to \infty $ の際に、完全グラフ上での離散時間感染症過程における感染個体数の極限分布は何か？
• RQ2 最終的な感染頂点数 $ V_\infty $ は $ n $ に対してどのようにスケーリングされ、その漸近的分散は何か？
• RQ3 モデル内での活性粒子間の強い依存性にもかかわらず、$ V_\infty $ に対してCLTを確立できるか？
• RQ4 方程式 $ 2p = -\ln(1-p) $ の解であるパラメータ $ q $ は、感染プロセスの極限的挙動において果たす役割は何か？
• RQ5 各レベル $ s $ における訪問頂点数の滞在時間の寄与は、全体の正規性への収束にどのように寄与するか？

主な発見

• 適切にスケーリングされた確率変数 $ \frac{V_\infty - qn}{\sigma\sqrt{n}} $ は、$ n \to \infty $ の際に標準正規分布に分布収束する。
• 極限分散 $ \sigma^2 $ は $ \sigma^2 = \frac{\int_0^q \frac{x}{(1-x)^2} dx}{\mu_r^2} $ で与えられ、ここで $ \mu_r = 2 - \frac{1}{1-q} $ である。
• パラメータ $ q \in (0,1) $ は方程式 $ 2p = -\ln(1-p) $ の一意な解であり、感染個体の漸近的割合を特徴付ける。
• プロセスが典型的な挙動（すなわち、$ B_1^n $、$ B_2^n $、$ B_0^n $）から著しく逸脱する確率は $ n \to \infty $ の際にゼロに収束する。これにより収束が保証される。
• 期待滞在時間からのずれの和 $ \sum Y_i^* $ は、独立だが同一分布ではない確率変数に対するCLTにより正規分布に収束する。
• $ \tau $（$ qn $ 個の感染個体に到達するまでの時間）の $ Y_i^* $ の和による近似の誤差は $ n \to \infty $ の際に消えるため、弱収束による正規性が確認される。